基于多元统计方法的航空公司客户价值研究--以南方航空公司为例
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.1.1 论文研究背景 | 第9-10页 |
| 1.1.2 论文研究意义 | 第10页 |
| 1.2 研究目的与研究内容 | 第10-11页 |
| 1.2.1 论文研究目的 | 第10页 |
| 1.2.2 论文研究内容 | 第10-11页 |
| 1.3 研究方法与技术路线 | 第11-13页 |
| 1.3.1 论文研究方法 | 第11页 |
| 1.3.2 论文技术路线 | 第11-13页 |
| 1.4 研究特色与创新之处 | 第13-14页 |
| 1.4.1 论文研究特色 | 第13页 |
| 1.4.2 论文创新之处 | 第13-14页 |
| 2 文献综述 | 第14-20页 |
| 2.1 客户价值的演进 | 第14-17页 |
| 2.1.1 劳特朋的价值理论 | 第14-15页 |
| 2.1.2 载瑟摩尔的价值理论 | 第15-16页 |
| 2.1.3 科特勒的价值理论 | 第16-17页 |
| 2.2 客户价值的总结与归纳 | 第17页 |
| 2.3 客户价值理论的研究现状 | 第17-18页 |
| 2.4 数据挖掘在航空公司中的应用现状与评述 | 第18-20页 |
| 3 航空公司客户关系管理 | 第20-26页 |
| 3.1 客户关系管理的概念 | 第20-21页 |
| 3.2 客户关系管理的内涵 | 第21页 |
| 3.3 客户关系管理的目的 | 第21-22页 |
| 3.4 客户生命周期的理论 | 第22-23页 |
| 3.5 基于客户行为的客户细分 | 第23-26页 |
| 4 多元统计方法中的数据挖掘 | 第26-37页 |
| 4.1 数据挖掘的概述 | 第26页 |
| 4.2 数据挖掘的算法 | 第26-34页 |
| 4.2.1 聚类分析 | 第27-28页 |
| 4.2.2 决策树 | 第28-30页 |
| 4.2.3 随机森林 | 第30页 |
| 4.2.4 支持向量机 | 第30-32页 |
| 4.2.5 人工神经网络 | 第32-34页 |
| 4.3 优秀的数据挖掘工具 | 第34-37页 |
| 4.3.1 R语言 | 第35-36页 |
| 4.3.2 Python语言 | 第36-37页 |
| 5 南方航空公司客户价值的分析 | 第37-63页 |
| 5.1 南方航空公司现状与数据挖掘目的 | 第37-41页 |
| 5.1.1 南方航空公司的营销现状 | 第37-38页 |
| 5.1.2 南方航空公司客户流失的原因 | 第38页 |
| 5.1.3 南方航空公司的数据挖掘目的 | 第38-41页 |
| 5.2 分析方法和过程 | 第41-53页 |
| 5.2.1 数据抽取 | 第43页 |
| 5.2.2 数据探索分析 | 第43-45页 |
| 5.2.3 数据预处理 | 第45-48页 |
| 5.2.4 模型构建 | 第48-53页 |
| 5.3 构建预测客户等级的模型 | 第53-55页 |
| 5.4 构建预测老客户未来发展态势的模型 | 第55-60页 |
| 5.5 合理性建议 | 第60-61页 |
| 5.6 本章小结 | 第61-63页 |
| 6 研究结论与展望 | 第63-66页 |
| 6.1 研究结论 | 第63-64页 |
| 6.2 研究展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
